[发明专利]信用评价模型的获取方法、用户信用评估的方法和装置

说明书

本申请涉及计算机技术领域，提供了一种信用评价模型的获取方法、用户信用评估的方法和装置，可用于金融科技领域或其他相关领域。方法包括如下步骤：获取参考用户的用户特征；将参考用户中存在用户特征类型缺失的第一异常用户，以及存在异常用户特征的第二异常用户从参考用户中剔除，得到有效参考用户；根据有效参考用户中各个类型的用户特征与用户风险的关联度，对多个类型的用户特征进行筛选，得到多个类型的目标用户特征；利用目标用户特征对逻辑回归模型进行训练，基于训练好的违约风险评估模型确定有效参考用户的违约概率，并基于参考用户的违约概率确定评价模型参数和与评价模型参数对应的信用评价模型。该方法能够高效实现用户信用评价。

技术领域

本申请涉及计算机技术领域，特别是涉及一种信用评价模型的获取方法、用户信用评估的方法和装置。

背景技术

随着计算机技术的发展，可以通过多种方式对用户进行信用评估，其中包括基于所统计的用户数据，建立信用评价模型以进行用户信用评估的方法。然而，传统的信用评价模型在进行用户信用评价时存在评价效率低下的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种信用评价模型的获取方法、用户信用评估的方法和装置。

本申请提供一种信用评价模型的获取方法，方法包括：

获取参考用户的用户特征；每个参考用户的用户特征包括至少一种类型的用户特征；

确定参考用户中存在用户特征类型缺失的第一异常用户，以及，根据参考用户的用户特征，确定出存在异常用户特征的第二异常用户；

将第一异常用户和第二异常用户从参考用户中剔除，得到有效参考用户；

确定有效参考用户中各个类型的用户特征与用户风险的关联度，并根据关联度对多个类型的用户特征进行筛选，得到多个类型的目标用户特征；

利用目标用户特征对逻辑回归模型进行训练，得到训练好的违约风险评估模型；

基于违约风险评估模型确定有效参考用户的违约概率，并基于参考用户的违约概率确定评价模型参数，以及与评价模型参数对应的信用评价模型。

在一个实施例中，确定有效参考用户中各个类型的用户特征与用户风险的关联度，并根据关联度对多个类型的用户特征进行筛选，得到多个类型的目标用户特征的步骤，包括：针对每个类型的用户特征，对用户特征进行分箱处理，得到多组用户特征；根据预先获取的每个参考用户的违约信息，确定每个类型用户特征中各组用户特征的违约信息，并根据各组用户特征的违约信息，确定各组用户特征的证据权重；根据每个类型用户特征中各组用户特征的违约信息以及各组用户特征的证据权重，获取每个类型用户特征与用户风险的关联度，并确定关联度大于预设阈值的用户特征为目标用户特征。

在一个实施例中，参考用户的违约信息包括违约用户数和守约用户数；根据各组用户特征的违约信息，确定各组用户特征的证据权重的步骤，包括：将各组用户特征对应的违约用户数和守约用户数的比值分别除以参考用户中的违约用户数和守约用户数的比值，得到各组用户特征的偏差程度；根据各组用户特征的偏差程度，得到各组用户特征的证据权重。

在一个实施例中，参考用户的违约信息包括违约用户数和守约用户数；根据各组用户特征的违约信息以及各组用户特征的证据权重，获取用户特征与用户风险的关联度的步骤，包括：将各组用户特征对应的违约用户数和守约用户数的比值分别与参考用户中的违约用户数和守约用户数的比值作差，得到各组用户特征的偏差数值；将各组用户特征的偏差数值分别与各组用户特征的证据权重相乘，得到各组用户特征的关联度；对各组用户特征的关联度进行求和，得到用户特征的关联度。